Thérapie radionucléidique personnalisée des tumeurs neuroendocrines
Bibliographic record
Abstract
Cette thèse de doctorat porte sur le traitement personnalisé des tumeurs neuroendocrines (TNE) en utilisant la thérapie radiométabolique par ¹⁷⁷Lu-octréotate. Comme la plupart des TNE surexpriment des récepteurs de la somatostatine (RSST)s, les analogues de la somatostatine radiomarqués sont utilisés dans le diagnostic des TNE par imagerie moléculaire, ainsi que pour la radiothérapie interne en utilisant des radionucléides émetteurs bêta (PRRT : peptide receptor radionuclide therapy). Les protocoles actuels de la PRRT impliquent l’administration de 4 cycles d’une activité fixe de ¹⁷⁷Lu-octréotate (p. ex. 7,4 GBq), ce qui donne des doses de radiation absorbée très variables pour les organes critiques et les lésions tumorales. Les faibles taux de toxicité sérieuse rénale et hématopoïétique (< 1 %) après traitement au ¹⁷⁷Lu-octréotate suggèrent que la plupart des patients reçoivent un traitement sous-optimal. La mise en place d’une personnalisation de l’activité administrée en fonction de la dosimétrie individualisée par imagerie moléculaire quantitative pourrait donc permettre de maximiser la réponse chez chaque patient, comparativement au régime empirique, et ce, en augmentant la dose tumorale absorbée sans dépasser les seuils de toxicité aux organes critiques. Les objectifs de cette thèse étaient donc, (i) de simuler un régime de PRRT personnalisée (P-PRRT) à partir d’une cohorte de patients atteints de TNE traités par PRRT empirique, (ii) de rapporter les premiers résultats dosimétriques, d’efficacité et de toxicité de notre essai prospectif de PRRT personnalisée (NCT02754297) et finalement (iii) d’évaluer l’exactitude et la reproductibilité interobservateurs des protocoles simplifiés de dosimétrie à deux temps (Jour 1 et 3) ou à un temps unique (Jour 3) basés sur la tomographie quantitative par émission de photon (QSPECT : quantitative single-photon emission computed tomography) effectuée après chaque administration de thérapie. Un autre objectif de la dernière étude était la mise à jour de notre protocole personnalisé de prescription de l’activité injectée (AI). (i) Pour répondre au premier objectif, nous nous sommes basés sur une étude rétrospective afin de concevoir un protocole personnalisé de PRRT basé sur les calculs dosimétriques. Par la suite, une simulation de ce protocole a été effectuée rétrospectivement chez des patients atteints de TNE traités par PRRT depuis 2012 à l’Hôpital de l’Hôtel-Dieu de Québec. Selon notre régime personnalisé de PRRT, la dose rénale absorbée par AI était prédite en fonction de la surface corporelle (SC) et le taux de filtration glomérulaire (TFG) pour le premier cycle de traitement, et par la dosimétrie rénale du cycle précédent (ou la moyenne de la dosimétrie rénale des deux derniers cycles) pour les cycles suivants. En normalisant la dose rénale absorbée administrée pendant les cycles d’induction, notre approche personnalisée a démontré une augmentation moyenne significative de 1,48 fois la dose cumulative maximale absorbée par la tumeur par rapport au régime empirique, augmentant potentiellement le bénéfice thérapeutique sans dépasser le seuil de toxicité rénale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".